專利名稱：基于多分辨網格特征配準的清分機紙幣面值面向分類方法
技術領域：
本發(fā)明涉及一種紙幣面值面向分類方法，具體涉及到基于多分辨網格特征配準的 清分機紙幣面值面向分類方法。
背景技術：
隨著市場經濟的不斷繁榮，使得紙幣的流通量越來越大。銀行業(yè)和零售業(yè)者的工 作量也變得越來越大。但目前，國內很多銀行使用的紙幣清分機都是由國外進口的，價格昂 貴。清分系統(tǒng)的核心技術基礎是實時紙幣圖像處理和圖像識別。國產紙幣清分機很少，而 且功能都很有限，很難滿足高速實時性的要求，尤其是能夠用圖像處理的方法來識別紙幣 的清分機還剛剛起步。因此研究出鑒別低成本、高速度、識別率高的紙幣面值面向識別分類 方法是十分必要的。
現在已有的對紙幣面值面向識別專利如下
1)題目為“紙幣識別裝置和紙幣識別方法”公開號CN(^804841. 5。此方法的思想 是運用透射型光傳感器在對象紙幣的讀取線上掃描并照射光，獲得從紙幣的透射光量作為 紙幣識別的特征向量，此方法有效地克服了傳感器對紙幣識別的影響，但是對于無損和扭 曲的紙幣圖像識別能力比較弱。
2)題目為“小面額紙幣識別器”，專利號200520095787。本系統(tǒng)由面額識別子系 統(tǒng)、中央處理子系統(tǒng)及控制電路組成，面額識別子系統(tǒng)是由彩色圖像傳感器組成，其中中央 處理子系統(tǒng)由高速運算分析處理器DSP和可編程控制器CPLD組成。但是此方法只是針對 小面額紙幣進行識別，很難滿足銀行金融機構對于大面額紙幣的識別。
3)題目為“紙幣識別裝置”，專利號200510073764。此方法的思想是采用紙幣圖 像的幾何特征(寬度和長度)來識別紙幣面額面向，但是由于紙幣是通過高速的采集裝置 獲得的，因此不可避免地存在著扭曲和形變，這樣導致幾何特征不是很明顯，造成識別率的 下降。
人民幣面值面向識別系統(tǒng)主要針對人民幣第四版和第五版的5元、10元、20元、50 元、100元九種紙幣進行識別，利用數字圖像處理技術和多層前向網絡的BP算法提取紙幣 圖像的長度、寬度、方向塊特征，區(qū)分紙幣的面值、正反面與正反向。最終完成的系統(tǒng)能達到 較高的識別速度和識別率。作為最有效的紙幣分類方法，神經網絡在紙幣清分系統(tǒng)中得到 了廣泛的應用，對于一些相似程度較高的紙幣，神經網絡可以取得優(yōu)異的分類效果，但由于 神經網絡有一個致命的缺點，容易過識別，即由于學習機器過于復雜，為了保證分類精度高 (經驗風險小)，使VC維變得很大，所以期望風險變得很高。最終導致學習過的樣本識別率 高，但沒有學習過的樣本會發(fā)生誤識或拒識。同時由于缺乏有效的拒識手段，很容易將一些 類似印刷品也誤識為特定類別的紙幣。

發(fā)明內容
紙幣分類的主要技術難點在于圖像分辯率低、識別速度要求高，在提高相似圖案區(qū)分能力的同時，還必須保證算法對紙幣折舊的魯棒性。針對現有技術中的不足，本發(fā)明目 的在于提供一種紙幣面值面向分類方法，它通過采用多分辨網格特征及局部特征配準技術 來完成紙幣面值面向分類。
幣種、面向識別是一個典型的模式識別問題，本方法針對人民幣樣本，需要識別的 幣種共有12種即新、舊100元；新、舊50元、20元；新、舊10元；新、舊5元；新、舊1元和 練功紙。面向共有4種正面向上，正面向下，背面向上和背面向下。將幣種和面向組合共 有48種組合，因此識別系統(tǒng)應為一個48類的分類系統(tǒng)。
由于清分機的特殊性，對幣種和面向的識別結果正確性要求很高，基本不允許發(fā) 生誤識，而從模式識別的理論上講，任何一個識別系統(tǒng)都不可能達到100%的識別正確率。 為在最大程度上降低識別系統(tǒng)的誤識率，滿足清分機的要求，我們在48類之外引入1個拒 識類，將一些判別風險比較大的情況歸入拒識類，從而提高識別的正確率。
為了滿足紙幣清分系統(tǒng)的實時性要求，在進行圖像識別和測量之前，首先需要對 采樣圖像上不同點的亮度進行均衡，接著對紙幣圖像進行Haar小波變換，提取紙幣圖像近 似圖像分量，然后進行了網格特征的提取，接著分析網格特征對于不同紙幣圖像的可分性； 再用網格特征建立一個綜合分類器，在分類器構造中，應用了基于結構風險最小化的混合 高斯模型。
具體方法如下
步驟1:
清分機輸入的圖像是由高速掃描裝置對圖像傳感器進行A/D轉換后的原始圖像， 在本方法中所使用的圖像傳感器是LT2R216N-090223 RGB^多光譜接觸式圖像傳感器，線 陣上的每一點性能存在著一定的差異，造成了采樣圖像上各個點的光強性能不同，在進行 圖像識別和測量之前，首先需要對采樣圖像上不同點的亮度進行均衡，具體方法如下
(1)對幾種不同灰度的標準測試紙進行采樣，計算出圖像上χ方向每一點對不同 灰度的標準測試紙的實測平均灰度；
(2)在χ方向各點用實測平均灰度和標準灰度進行線性擬和，求出每一點上灰度 均衡曲線；
(3)對原始圖像上的每一點根據該點的χ坐標和灰度值求出均衡后的灰度值；其 中，圖像在計算機中是用具有不同灰度級的像素矩陣來表示的，一個像素用一個字節(jié)即8 位數據表示，這樣可以編碼為256個灰度等級，將紙幣圖像大小歸一化為mXn，為了更好地 提取紙幣圖像特征需要把原始圖像重構為IXmnjP
權利要求
1.基于多分辨網格特征配準的清分機紙幣面值面向分類方法，其特征在于，方法如下本方法針對人民幣第四版和第五版，即新、舊兩個版本，需要識別的幣種共有12種 新、舊100元；新、舊50元、20元；新、舊10元；新、舊5元；新、舊1元和練功紙，面向共有4種正面向上，正面向下，背面向上和背面向下，將幣種和面向組合共有48 種組合，此識別系統(tǒng)為一個48類和1個拒識類的分類系統(tǒng)；步驟1 清分機輸入的圖像是由高速掃描裝置對圖像傳感器進行A/D轉換后的原始圖像，在本 方法中所使用的圖像傳感器是LT2R216N-090223RGB^多光譜接觸式圖像傳感器，線陣上 的每一點性能存在著一定的差異，造成了采樣圖像上各個點的光強性能不同，在進行圖像 識別和測量之前，首先需要對采樣圖像上不同點的亮度進行均衡，具體方法如下(1)對幾種不同灰度的標準測試紙進行采樣，計算出圖像上χ方向每一點對不同灰度 的標準測試紙的實測平均灰度；(2)在χ方向各點用實測平均灰度和標準灰度進行線性擬和，求出每一點上灰度均衡 曲線；(3)對原始圖像上的每一點根據該點的χ坐標和灰度值求出均衡后的灰度值；其中，圖像在計算機中是用具有不同灰度級的像素矩陣來表示的，一個像素用一個字節(jié)即8位數據表示，這樣可以編碼為256個灰度等級，將紙幣圖像大小歸一化為mXn，為了更好地提取紙幣圖像特征需要把原始圖像重構為IXmnjP / \ aIl … aXn.. =>, ^12 * * ‘ α\η , a2\,a22,* · · ’ ain ‘ * · ., “ml,· . .，“"", )!><(,,W7)(^)‘ ‘ ‘ ^nm 乂其中m，η為圖像的寬度和長度， ,」( = 1，2，…，m，j = l，2，…，η)是圖像像素的 灰度值；步驟2 錢幣的原始形狀是矩形的，在清分機中掃描時即使受到傾斜和側向移動影響，錢幣的 形狀也可以保持為平行四邊形，即上下兩邊為相互平行的直線，左右兩邊為相互平行的直 線，利用上述特點得出一種特殊的邊緣檢測算法，可以滿足快速性要求和對殘缺錢幣邊緣 檢測的要求，該特殊的邊緣檢測算法為首先利用錢幣圖像邊緣為直線的特點，不需要檢測出邊緣上的每一點，只需要檢測出 邊緣上的若干離散點就可以擬和出邊緣的直線，采用了在圖像上等間隔位置檢測邊緣的方 法，每一條邊檢測出一個邊緣點序列，用邊緣點序列作最小二乘直線擬和得到錢幣圖像的 邊緣；針對殘缺錢幣，利用圖像的兩個邊互相平行的特點來處理，首先假設圖像邊緣殘缺的 部分不會很大，兩條相對邊的殘缺部分長度總和不會超過兩條邊總長度的一半，一般情況 下該假設可以得到滿足，如得不到滿足，此圖像作為殘缺過大錢幣，按拒識處理；然后利用 每一條邊檢測出的邊緣點序列計算相鄰兩點之間直線的斜率，構成一個斜率的集合，合并 相對兩條邊的斜率集合，尋找該集合中出現次數最多的元素，作為這兩條邊的期望斜率，在 邊緣點序列中刪除斜率不等于期望斜率的點，用剩余點分別擬和出兩條直線，作為邊緣；高速掃描裝置是在錢幣運動過程當中掃描圖像，因此一般情況下都會存在一定程度的 幾何變形，這種變形主要來自于兩個方面，一方面是錢幣的傾斜造成的，一方面是錢幣在掃 描過程中橫向移動造成的，經過圖像定位之后，利用圖像的定位信息來對幾何形變進行校 正；由于傾斜所造成的形變采用圖像旋轉的方法來校正，以圖像的左上角為原點進行旋 轉，令左上角的坐標為(χ。，y。)，原始圖像為F(x，y)，旋轉后的圖像為 ^(χ，y)， Fe(x, y) = F(x' ,y' )(2)令β為上邊緣與水平線之間的夾角，容易推得(x'，y')與(x，y)之間的關系 χ' = y cos α +X0, y' = y sin α +y0(3)= ^J(X-X0)2 + O-J0)2， α 二 arctan X X° + β ,ζ、y-y^經過旋轉校正之后，錢幣圖像仍然是一個平行四邊形，其中上下兩條邊平行于χ軸，造 成這種現象的原因是由于錢幣在掃描過程中存在著橫向的移動，校正這種形變，采用根據 左右兩邊的傾斜角度側移圖像的方法解決，具體方法如下令側移之后的圖像為Fs (X，y) Fs(x, y) = Fe(x' ,y' )(4)令左邊緣與χ軸之間的夾角為θ，以錢幣圖像左上角( ，y0)為原點進行側移，得到tan ^ / - yw由公式(2)-(5)得到進行旋轉和平移變換計算比較復雜，在實際系統(tǒng)中使用很難達到 對處理速度的要求，因此采用了一種相對比較簡單的算法(1)經過圖像定位之后得到四條邊緣的直線方程，其中上邊緣的直線方程為y = aux+bu，左邊緣的直線方程為y = aLx+bL,同時求得左上角坐標( ，y0)， ⑵校正后圖像FT(x，y) =F(x'，y')，其中: χ' = χ- (aux+bu-y0)(6)f , \ y ^y- --- ν aL y(γ)步驟3 在網格特征的提取過程中，首先將紙幣圖像低頻部分劃分為若干個相同大小的矩形子 區(qū)域，然后提取子區(qū)域的平均灰度作為原始特征，最后進行規(guī)一化得到最終特征，圖像部分 的長度和寬度也是區(qū)分人民幣幣種的一個有效特征，由于50元和20元，20元和10元間的 紙幣光靠網格特征無法保持很高的識別率，會出現誤識或拒識；所以本方法在多分辨網格 特征的基礎上，在易發(fā)生誤識或拒識的幣種間采用局部特征配準技術來提高識別率，減少 拒識率，本方法中所選用的特征看作是一個二元組S = ((xL, xH)，X)，其中( ，xH)為圖像區(qū)域 的長度和寬度，X為圖像的網格特征，網格特征的基本提取方法如下設圖像I上坐標為ζ 的像素亮度值為Iz，將紙幣劃分為KXL個相互重疊的矩形區(qū)域r^pk= 1,2,…，K，1 = 1,2,…，L，每個區(qū)域有相同的大*dxXdy，紙幣圖像的原始特征為χ = [xi; x2, -,xKXL], 其中Xa-D -K+k為子區(qū)間F1^1的灰度均值
全文摘要
一種基于多分辨網格特征配準的清分機紙幣面值面向分類方法，在進行圖像識別和測量之前，首先需要對采樣圖像上不同點的亮度進行均衡；然后對紙幣圖像進行Haar小波變換，提取紙幣圖像近似圖像分量；接著進行了網格特征的提取；接著分析網格特征對于不同紙幣圖像的可分性；再用網格特征建立一個綜合分類器，在分類器構造中，應用了基于結構風險最小化的混合高斯模型。本方法可以滿足紙幣清分機的實時處理要求，能夠達到每分鐘處理1000張紙幣的要求。同時采用局部特征配準可以有效地克服因磨損和印刷過程中造成的同一幣種和面向紙幣圖像的不一致性，以便更好的進行識別。
文檔編號G06K9/62GK102034108SQ20101057357
公開日2011年4月27日 申請日期2010年12月6日 優(yōu)先權日2010年12月6日
發(fā)明者佟喜峰, 劉家鋒, 劉松波, 劉鵬, 吳銳, 唐降龍, 程丹松, 趙巍, 金野, 黃劍華, 黃慶成 申請人:哈爾濱工業(yè)大學